济南市二手房成交价格的影响因素及预测研究

发布时间：2024-02-15 23:52

　　随着我国城乡一体化及现代化进程的快速推进,房地产市场蓬勃发展,二手房交易越来越活跃.但由于中介公司良莠不齐,并通过低吸高抛、肆意标价等行为攫取高额利润,导致买卖双方信息不对称,严重阻碍二手房市场健康发展,因此,对二手房价格的影响因素和预测研究极具现实意义.目前大多数学者主要集中于对二手房房屋均价和挂牌价格的研究,而成交价格更能反映房屋价值.因此,本文将对济南市二手房成交价格的影响因素进行分析并建立预测模型.首先,本文从链家二手房交易网和房天下房屋交易网站爬取到济南市2020年1月到2021年8月九个区的成交二手房信息,并从济南市统计年鉴和中经网统计数据库获得济南市2020年九个区的GDP等宏观经济数据作为原始数据集.经过数据清洗及特征工程等过程,最终得到一个包含38个特征变量的济南市成交二手房数据集.其次,结合网格搜索和交叉验证对处理后的数据集分别构建Ridge回归、Lasso回归、CART回归树和SVR四个单一模型,以及RF、Ada Boost和XGBoost三个集成模型:一方面对比各模型的评价指标得到,集成模型的预测效果均优于单一模型,且XGBoost模型的预测效果最优;另一方面基...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 文献综述
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 文献评述
    1.3 论文组织结构
第二章 理论概述
    2.1 单一模型
        2.1.1 Ridge回归模型
        2.1.2 Lasso回归模型
        2.1.3 CART回归树模型
        2.1.4 SVR模型
    2.2 集成模型
        2.2.1 集成学习
        2.2.2 RF模型
        2.2.3 Ada Boost模型
        2.2.4 GBRT模型
        2.2.5 XGBoost模型
    2.3 超参数优化及模型评价方法
        2.3.1 Grid Search
        2.3.2 交叉验证
        2.3.3 模型评价指标
    2.4 本章小节
第三章 数据清洗及特征工程
    3.1 数据来源及说明
        3.1.1 特征变量的初选
        3.1.2 数据来源及变量说明
    3.2 数据清洗
        3.2.1 特征变量的变形处理
        3.2.2 缺失值处理
        3.2.3 异常值处理
    3.3 数据可视化
    3.4 特征工程
        3.4.1 数据变换
        3.4.2 特征选择
    3.5 本章小结
第四章 济南市二手房成交价格预测模型构建及影响因素分析
    4.1 济南市二手房成交价格的单一模型构建
        4.1.1 Ridge回归模型
        4.1.2 Lasso回归模型
        4.1.3 CART回归树模型
        4.1.4 SVR模型
    4.2 济南市二手房成交价格的集成模型构建
        4.2.1 RF模型
        4.2.2 Ada Boost模型
        4.2.3 XGBoost模型
    4.3 模型预测效果对比分析
    4.4 济南市二手房成交价格影响因素分析
    4.5 本章小结
第五章 济南市二手房成交价格的Stacking融合模型构建
    5.1 Stacking融合模型的构建
    5.2 XGBoost模型与Stacking融合模型预测效果对比
    5.3 Stacking融合模型的稳健性检验
    5.4 基于Stacking融合模型的济南市二手房成交价格预测分析
    5.5 本章小结
第六章 建议与展望
    6.1 济南市二手房市场存在的问题及对策建议
    6.2 总结与展望
参考文献
附录
致谢



本文编号：3900457